風電場風能資源分析及優化

徐桂安， 孫 寧， 王冬梅， 陳 田

（上海電機學院機械學院，上海 201306）

21 世紀以來，隨著全球經濟一體化的情況加劇，世界各國面臨著日益嚴重的能源危機和環境負擔，因此開發和利用清潔能源已逐漸引起全球的普遍關注［1］。我國東南沿海地區有著豐富的風能資源，對其充分地開發和利用對我國的可持續發展具有重大的戰略意義，國家給予了高度重視［2］。

提高可再生能源的利用率，將為減緩溫室效應、攻克能源問題、發展全球經濟等做出巨大貢獻［3］。風能是可再生能源中發展最迅猛的清潔能源［4］，在世界各國得到重視和發展。溫步瀛等［5］基于模擬退火算法、遺傳算法等對發電收益最優與發電機組啟停機計劃之間的關系進行討論；郎斌斌等［6］使用擬合功率曲線評價風電場的經濟性，并根據風電機組的實際風速和功率等數據，建立了風電機組的功率與風速特性曲線；文獻［7-10］中基于比恩法、最大概率法和最大值法評價功率特性曲線；高永曉［11］基于功率曲線優化了風機設置方式；饒日晟等［12］利用風電場的實測風速和功率等數據，分析出風電場的輸出功率與風速的特性曲線，優化了不同風速區間的風電場功率曲線。

通過傳統的輸出功率與風速的特性曲線和功率與風速的關系，擬合出功率與風速的關系式，但此方法對風能資源的指標參數考慮不全，計算出的不同風機型號的實際功率缺乏準確性，因此，該評估風能資源的方法具有局限性。本文提出以Weibull 分布為基礎的風電場風能資源分析方法，使用Weibull 分布的參數估計方法處理風能資源各項指標參數，分析可得其指標參數和利用情況，選擇最優的風機型號，通過對不同型號風機的額定功率與實際功率的差額進行對比，制定出最佳方案。

1 風能資源評估

以某風電場為例，將中國氣象數據網提供的2021年度某風電場日實際輸出功率和平均風速作為初始數據［13］，根據《全國風能資源評價技術規定》中關于風電場風能資源的評估方法，確定風能密度、平均風速、有效小時數、風功能密度等指標參數，用以評估風能資源。再通過Weibull分布的參數估計方法處理風能資源各項指標參數，對某風電場的風能資源進行評估［14］。具體流程如圖1所示。

圖1 風能資源評估流程

風能資源評估中，平均風速為

式中：n為平均風速在設定時段內的記錄數；vz為風速觀測序列z的風速。

根據中國氣象數據網提供的風速數據［15］，結合式（1），得出某風電場月平均風速如表1所示。

表1 某風電場月平均風速

根據表1可進一步算出某風電場的年平均風速為6.084 9 m/s，其中2、12月的月平均風速位居前列，全年月平均風速變化不大，由此可知，其全年發電量變化不大，該風電場的風能資源豐富且可利用性大。

平均風功率密度為

式中：ρ為月平均空氣密度。

根據中國氣象數據網提供的風速數據，結合式（2），得出某風電場月平均風功率密度，見表2。

表2 某風電場月平均風功率密度

氣流在單位時間內垂直通過單位面積的風能為風能密度［16］，因此，其表達式為

式中：vj為第j個風速區間的風速值；m為風速區間的個數；tj為某區域第j個風速區間風速發生的時間。

由此可得出某風電場月平均風能密度見表3，月平均風能密度特性曲線如圖2所示。

表3 某風電場月平均風能密度

圖2 月平均風能密度變化曲線

由表3 和圖2 可知，1～6 月的月平均風能密度曲線平緩，但7～9 月和11～12 月風能密度曲線起伏較大，由此可得，風能資源的利用率不均衡。

風速v的Weibull 分布概率密度函數f（v）表達式為

式中：SV為標準差；Γ(1+1/k)為伽馬函數。

式中：T0為有效風能在統計時段；v1為最初風速區間的風速值；v2為最末風速區間的風速值。

綜上可得全年的月有效小時數如圖3 所示。由圖可知，風能每月有效小時數分布均勻，因此，風能資源較平衡，其可利用率較大。

圖3 全年的月有效小時數

2 風能資源利用情況評估

通過分析某風電場的風向觀測時間序列及風速，估算出風電場的風能資源儲量，并對其風能資源的分布情況和質量作出決策和評價［17］，具體流程如圖4所示。可選擇的風機型號見表4。

表4 風機型號及其參數

圖4 風機型號評估流程

風資源評估中，月風能資源總量為

式中：m為風速區間數目；DWE，i為第個i月的風能密度；di為第i個月的總天數；vij為第i個月第j個風速區間的風速值；tij為第i個月第j個風速區間的風速發生時間。

同理，年風能資源總量W2、月風能資源有效儲量W3、年風能資源有效儲量W4分別為

式中：g為一年的總天數；Ti為第i個月的有效小時數。

根據月小時數和月平均風能資源密度，聯合式（11）、式（12）計算出風能資源的年度和月度總儲量；根據風速有效小時數和平均風能資源密度，聯合式（13）、式（14）計算出風能資源年度和月度的有效儲量，結果如圖5所示。

圖5 風能資源有效儲量與總儲量

由圖5 可知，風能資源年有效儲量為44.669 5 GW，總儲量為52.084 4 GW，年有效儲量與有效儲量的差額較小，其有效性大，月資源有效儲量和總儲量分布均勻，因此，該風電場的風能資源利用情況比較合理、穩定。

可通過風能資源相應的指標參數來評價風能資源可利用率［18］。風能資源可利用率為

式中：pi，x為第i個月第x天的風能資源可利用率。

由此可得全年的風能資源可利用率，如圖6所示。

圖6 風能可利用率

由圖6 可進一步計算出風能資源的年平均可利用率為21.42%，而大多數風電場年平均最大可利用率為59.40%，相差37.98%，因此，該風電場的風能資源利用率較低。

根據Weibull分布函數得出總發電量為

式中：Cp為風能利用系數；vc為切入風速；vr為額定風速；vf為切出風速；TY為全年有效小時數；S為風能橫掃面積。

根據表4數據、式（10）及式（16）得出各風機型號的總發電量，見表5。

表5 各風機型號的總發電量

將風速與功率的數據進行擬合并繪制擬合曲線，通過比較，最終選取4次多項式進行擬合，結果如圖7所示。

圖7 風速與功率的擬合曲線

根據圖7得出風速與功率的擬合曲線表達式為

式中：P為擬合功率；v為風速。

確定系數R2為0.999 9，表明擬合曲線表達式對預測值的擬合度非常好。將表4 中額定風速代入式（17）中，擬合額定功率結果見表6。

由表5 可知，機型E 的總發電量最大，機型C的總發電量最小；由表6 可知，機型E 的功率差額為13.550 7 kW，在所有待選擇的機型中差額最小；綜上所述，選擇機型E更適合。

表6 擬合額定功率與實際額定功率比較

3 結 語

本文以Weibull 分布為基礎分析了風電場風能資源，使用Weibull 分布的參數估計方法處理風能資源的各項指標參數，分析可得其參數數值和利用情況。研究表明，可以用不同風能資源的指標參數來評價風能資源的利用情況，為風電場的運行提供了有效的分析方法。通過對不同型號風機的額定功率與實際功率的差額進行對比，選擇最合適的風機機型，制定出最佳方案。目前，考慮更多的是有效時間和風能資源的可利用率，在今后的研究中，可進一步利用電量的損耗來評估風能資源的可利用率。